时间空间复杂度

时间空间复杂度

1. 时间复杂度

概念：
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n) = O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

如：
一重循环：O(n);
一重循环：O(n^2);
二分:O(log n);

注意：
1.计算复杂度的时候，只统计执行次数最多的（n足够大）那种固定操作的次数。比如某个算法需要执行加法n2次，除法n次，那么就记其复杂度是（n2）；

2.复杂度有“平均复杂度”和”最坏复杂度“两种。两者可能一致，也可能不一致；

3.如果复杂度是多个n的函数之和，则只关心随n增长增长得最快的那个函数

O（n^3+ n^2） =>O(n^3)
O(2^n+ n^3) =>O(2^n)
O(n!+3^n) =>O(n!)

常数复杂度 ：O（1）
对数复杂度 ：O（log（n））
线性复杂度 ：O（n）
多项式复杂度 ：O（n^k）
指数复杂度 ：O（a^n）
阶乘复杂度 ：O（n!）

插入排序、选择排序、冒泡排序 O（n^2）
快速排序 O（n*log（n））
二分查找 O(log(n))

2.空间复杂度

概念：
空间复杂度(Space Complexity)是对一个算法在运行过程中临时占用存储空间大小的量度，记做S(n)=O(f(n))。
比如
直接插入排序O(1)
一维数组： O(n)
二维数组： O(n^2)

3.经典排序：